侵权投诉
当前位置:

OFweek安防网

视频处理/显示

正文

2017年视频监控发展趋势分析

导读: 根据IHS Markit的预测,全球对视频监控设备的需求将在2017年继续快速增长。但激烈的价格竞争仍将继续,市场增长幅度预计将小于7%。什么将会是2017年安防监控行业最值得关注的趋势?

根据IHS Markit的预测,全球对视频监控设备的需求将在2017年继续快速增长。但激烈的价格竞争仍将继续,市场增长幅度预计将小于7%。什么将会是2017年安防监控行业最值得关注的趋势?是网络安全、深度学习分析,还是安防无人机和中国视频监控厂商业务多元化发展?本期封面故事将与您一起讨论分享。

整体增速放缓,差异化发展是关键

“从整个市场空间来看,未来5年全球视频监控销售额的复合增长率约在6.3%左右。”IHS Technology安防、消防与楼宇科技亚太研究组高级分析员王玉君在接受本刊采访时表示,中国的专业安防摄像头的覆盖率已经接近发达国家,估计在2016年,每10个中国人就有一台专业安防摄像机。

IHS的数据显示,2016年全球专业安防摄像头的出货量超过一亿台,比2015年增长约14%。但相比2015年30%的增长率,增速放缓了不少。王玉君对此分析称,一方面,面对国内外市场的长期增速预期下行,各大视频监控厂家都在寻求多元化和差异化发展;另一方面,随着视频监控行业不断的技术革新和数据积累,从视频监控的上游芯片厂商,到视频智能分析算法的软件开发公司,再到视频监控设备厂商和下游的系统集成商都在围绕智能分析、物联网和大数据技术来布局安防行业,以求在产品日趋同质化的竞争中占领未来视频监控技术发展的高地:

2017年视频监控发展趋势分析

从产品来看,虽然视频监控行业整体增速不如预期,但某些产品线会远高于市场的平均增速。2017年消费类视频监控产品、移动视频监控产品和视频监控企业级存储产品的销售额在全球范围都会保持15%以上的增长。

从服务来看,2017年全球视频云服务(VSaaS)的销售额会突破9亿美元(不包括安保远程监控服务),未来5年VSaaS销售额的平均年复合增长率将超过18%。

从技术来看,支持H.265技术的网络摄像机在2017年会有爆发式增长。视频智能分析会因为深度学习技术的应用又一次成为行业发展的热点。

当视频分析遇见深度学习

视频内容分析对视频监控行业来说并不是什么新事物。但在王玉君看来,尽管2016年全球带有智能分析功能的视频监控设备销售额超过10亿美元到所有视频监控设备销售额的9%。除了价格因素外,传统智能分析产品的误报率和对安装环境的挑剔都是阻碍智能分析被市场大规模应用的因素。通过几年的市场培育,用户意识到视频智能分析确实可以为城市交通治理、公安刑侦和商业管理带来很大价值,因此市场对具备高性能的优秀的视频智能分析产品是充满期待的,深度学习技术在视频监控领域的应用也正是在这样的背景下开始蓄势待发。

一方面,基于GPU架构的深度学习技术使得视频分析算法的开发效率有了显著提升,缩短了算法迭代的周期和成本;另一方面,深度学习技术可以通过对机器的不断训练来优化视频分析算法,提高智能分析的准确性,实现在复杂环境下实现高强度视频分析任务(例如在闹市区做人脸比对和跟踪)。因此深度学习技术从长期来看会降低智能分析应用的成本,也会拓展带有智能分析功能的视频监控设备的应用外延。除了价格因素外,从短期来看深度学习技术在视频监控领域应用的最大挑战就是如何将那些优秀的算法根据实际的应用情景进行二次开发,实现真正的技术落地。

“使用视频分析实现目标和事件检测,无论是实时的还是后期的,将持续位于视频监控技术创新的前沿。”Intersil公司模拟产品市场和应用总监Raman Sargis认为,视频监控产品一般使用运动检测来触发视频捕捉,这很容易出错。“从好几个小时的视频中寻找出某一个事件非常耗时。因为视频包含了大量的信息,如何分辨哪些是有价值的,哪些应该删掉,这给用户带来了挑战。”

但我们完全可以通过内嵌在摄像机(实时)和录像机/视频存储(后期处理)中的深度学习算法,来实现智能捕捉或查看某些特定视频画面。Raman Sargis说,深度学习技术已经取得了重要的进展,并应用于一系列基于视频的解决方案中,在汽车中采用的障碍探测和防撞就是一个很好的应用实例。而如果要把人工智能引入传统的视频监控领域,将取决于在摄像机、网络存储和后期处理之间分配的视频分析功能。比如摄像机至少需要原始智能来辨识想要的视频帧,并为它们标上深度分析标签,在视频传输到视频存储媒介后进行深度分析。“视频分析作为一种服务,是一个微型的垂直市场,可以利用第三方专利分析功能获得增长。”

Axis公司CTO Johan Paulsson则在自己撰写的《2017年安全监控市场值得关注的热门技术趋势》一文中指出,“在综合所有数据的情况下,我们认为深度学习技术即将跃上台前,这是非常值得关注且令人振奋的领域。”他认为深度学习和人工智能技术通过运用模式辨识软件,正在努力“学习”全世界安装的多重安全监控摄影机看到的不同类型行为。虽然人员各不相同,但他们所在的环境、地点和普遍行为通常可归为同一类型。“学习”到这些行为后,便可以分享底部潜藏的模式,让系统在发生不寻常事件时发出警示。

当然,实体安全不仅涉及人员/地点/物体的监控,也涉及实体门禁控制、单向和双向通讯及管理紧急情况(且通常都是远距离管理)。因此2017年应该是安全监控摄影机与智能门禁管控、对讲机和扩音器(无论是本地或远程)密切整合的一年。这意味着只需一个简单系统就能实时管理上述全部装置功能,让顾客可看到、听到建筑物内/附近的人,并与之交谈。

众所周知,机器学习的应用正快速扩展到越来越多的终端市场,在边缘、在云端或者以混合的形态,将基于边缘的处理与基于云的数据分析结合在一起。赛灵思(Xilinx)公司战略与市场营销部高级副总裁Steve Glaser指出,众多的传统嵌入式视觉应用通过采用机器视觉和传感器融合技术后都在发生巨变,下一代应用包括协作机器人、具有感应和躲避功的无人机、增强现实、自动驾驶汽车、自动化监视和医疗诊断等。这些系统通常具有三大使命:

系统不仅要会思考,而且还能对情境立即做出“响应”。这就要求一个从感应到处理、分析、决策、通信和控制整个流程中更一致的视图。同时还要高效实施、部署最新机器学习技术,满足8位及更深层面的精确性要求。

鉴于神经网络和相关算法的快速变化以及传感器的快速发展,必须实现灵活性,能通过软硬件的可重配置性升级系统。

1  2  下一页>  
声明: 本文由入驻OFweek公众平台的作者撰写,观点仅代表作者本人,不代表OFweek立场。如有侵权或其他问题,请联系举报。

我来说两句

(共0条评论,0人参与)

请输入评论

请输入评论/评论长度6~500个字

您提交的评论过于频繁,请输入验证码继续

暂无评论

暂无评论

文章纠错
x
*文字标题:
*纠错内容:
联系邮箱:
*验 证 码:

粤公网安备 44030502002758号